CN102521795B - 基于全局脊线距离的交叉匹配指纹图像缩放方法 - Google Patents

Abstract

本发明公开了一种基于全局脊线距离的交叉匹配指纹缩放方法，该方法包括以下步骤：对输入的指纹图像进行分块；计算图像块的能量谱；采用根滤波增强能量谱；计算增强后的能量谱的径向能量分布，得到图像块的脊线距离；结合图像块方向场一致性，计算输入指纹图像的全局脊线距离；对输入的待匹配的两幅指纹图像，根据得到的全局脊线距离进行指纹图像缩放。本发明方法简单，对不同采集仪采集的图像具有普适性，其结果直观，能够实现多采集仪交叉匹配中的指纹图像缩放，提高了多采集仪交叉匹配算法的性能。

Description

基于全局脊线距离的交叉匹配指纹图像缩放方法

技术领域

本发明属于生物特征识别领域，尤其是一种基于全局脊线距离的交叉匹配指纹图像缩放方法。

背景技术

由于具有唯一性、持久性和普遍性，指纹已经越来越多的用于政府或民用领域的身份认证。最近指纹采集和自动指纹识别方面的技术都取得了很大的进展。指纹采集仪按照成像原理可分为电容采集仪、热能采集仪和超声波采集仪等，按采集模式可分为按压采集仪(滚动按压、平面按压、和整手按压)、刮擦采集仪和非接触采集仪等。采集技术的发展使人们可以在应用中采用多种采集仪实现指纹的在线采集。将来自于不同采集仪的指纹间匹配称为“交叉匹配”，把传统的来自于同一采集仪的指纹间匹配称为“常规匹配”。到目前为止，指纹应用中的绝大多数算法都是针对某一种采集仪进行的，匹配不同的采集仪间指纹时性能很差。这就要求同一系统上必须配置同一种指纹采集仪，这样给大规模的应用系统带来很多不便，限制了指纹识别技术在这些系统中的应用。因此怎样处理不同采集仪之间的互用性已经成为一个吸引大家研究的挑战性课题。

指纹采集仪互操作性指的是自动指纹识别系统补偿由于来自不同采集仪而造成数据之间的差异的能力。由于分辨率、采集技术和噪声等导致采集的原始图像数据具有很大的差异，给图像特征提取带来了巨大的影响，进而传播到匹配阶段。

图像缩放，指的是统一指纹图像尺寸的过程。由于使用了具有不同分辨率的不同采集仪，得到的指纹图像不能直接进行特征提取和匹配。必须进行图像缩放。定义来自于多采集仪的指纹匹配为“交叉匹配”，以区别于“常规匹配”。因为来自同一个采集仪，获得的图像分辨率是相同的，所以在“常规匹配”中不用考虑图像缩放问题。然而在“交叉匹配”，则需要考虑图像缩放问题。

最直接和简单的解决图像缩放问题是采用基于分辨率的方法。假设采用了两个采集仪A和B，分辨率分别是700DPI和500DPI。这种情况下，采集仪A和B采集的图像之间的缩放参数将会是700/500＝1.4。匹配前，把采集仪A采集的图像缩小1.4后与B采集的图像之间进行匹配即可得到正确的匹配。但是基于分辨率的方法有两个缺点：(1)厂家宣称的采集仪分辨率可能不是真实的分辨率；(2)这种方法仅仅适用于采集仪分辨率已知的情况。所以如何从指纹图像本身出发，是解决缩放问题的关键。

发明内容

为了解决多采集仪交叉匹配中，由于采集仪分辨率的不同噪声不能正常匹配的问题，本发明提供一种基于全局脊线距离的交叉匹配指纹缩放方法。

为达成所述目的，本发明提出一种基于全局脊线距离的交叉匹配指纹缩放方法，该方法包括以下步骤：

步骤S1，对输入的指纹图像进行分块，得到多个图像块；

步骤S2，分别计算各个图像块的能量谱；

步骤S3，采用根滤波对步骤S2得到的多个能量谱分别进行增强；

步骤S4，分别计算增强后的能量谱的径向能量分布；

步骤S5，根据步骤S4得到的径向能量分布得到各个图像块的脊线距离；

步骤S6，基于各个图像块的脊线距离，结合方向场一致性，计算输入指纹图像的全局脊线距离；

步骤S7，对待匹配的两幅指纹图像，根据他们的全局脊线距离进行指纹图像缩放。

本发明的有益效果是：本发明提出的基于脊线距离的交叉匹配指纹缩放方法不依赖于采集仪信息，直接从输入的指纹图像中获得缩放信息。该方法简单，可适用于任何采集设备采集的指纹图像，且能够准确定量计算输入的两幅图像之间的缩放比例，保证了交叉匹配的高性能，促进了指纹识别系统的应用。

附图说明

图1是基于全局脊线距离的指纹图像缩放方法流程图。

图2是输入指纹图像及其方向场一致性图像。

图3是同一个手指使用3种采集仪采集的3幅图像。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1是基于全局脊线距离的指纹图像缩放方法流程图。如图1所示，本发明所提出的基于全局脊线距离的指纹图像缩放方法包括以下步骤：

步骤S1，对输入的指纹图像进行分块，得到多个图像块；

对于一幅输入指纹图像I，将其分成大小为W×W(W＝32)的相互不交叠的图像块g_i(x，y)，其中x，y∈{0，...，W-1}，i＝1，...，N，这里W表示分块的块的大小，N表示分块后的图像块的数目。对于一幅输入指纹图像，分块的规则是从左到右，从上到下对图像进行分块，最后不足W×W的图像块，不足的部分使用0来补齐。图2(a)给出了一幅分块的指纹图像示例。

步骤S2，分别计算各个图像块的能量谱；

用下面的公式计算得到的第i块图像块g_i(x，y)的能量谱|G_i(u，v)|：

$\left|G_i(u,v)\right|=\left|\frac{1}{W^2}{\mathrm{\Σ}}_{x=1}^W{\mathrm{\Σ}}_{y=1}^W{g}_i(x,y)e^{-\frac{2\mathrm{\πj}}{W}(\mathrm{xu}+\mathrm{yv})}\right|,$

公式中j表示虚数单位，u，v∈{0，...，W-1}，这里W表示分块的块的大小。

步骤S3，采用根滤波对步骤S2得到的多个能量谱分别进行增强；

采用根滤波增强第i块图像块的能量谱|G_i(u，v)|，得到增强后的能量谱|G′_i(u，v)|：

|G′_i(u，v)|＝|G_i(u，v)|^t，

公式中t表示根滤波的幂系数，t＝1.2。

步骤S4，分别计算增强后的能量谱的径向能量分布；

采用如下的公式计算增强后的能量谱的径向能量分布D_i：

$D_i=\frac{{\mathrm{\Σ}}_{{r=r}_{\min }}^{r_{\max }}{\mathrm{\Σ}}_{(u,v)\∈C_r}\left|G_i^{\′}(u,v)\right|\·r}{{\mathrm{\Σ}}_{{r=r}_{\min }}^{r_{\max }}{\mathrm{\Σ}}_{(u,v)\∈C_r}\left|G_i^{\′}(u,v)\right|},$

公式中C_r是满足

的像素点的集合，r为径向半径；参数r_min和r_max是带通滤波参数，用于给径向能量分布D_i的径向半径设置一个上限和下限，以消除当r＞r_max时带来的高频噪声以及r＜r_min时平均灰度的影响。实际应用中，一旦知道了一个典型指纹图像的脊线距离区间在[d_min，d_max]时，就可以得到r_min＝W/d_max以及r_max＝W/d_min。其中d_max和d_min表示的是指纹图像脊线距离的最大值和最小值。根据经验，本发明中设置r_min＝2，r_max＝11。

步骤S5，根据步骤S4得到的径向能量分布得到各个图像块的脊线距离；

获得第i块图像块的径向能量分布D_i后，计算第i块图像块的脊线距离rd_i：

rd_i＝W/D_i。

步骤S6，基于各个图像块的脊线距离，结合方向场一致性，计算输入指纹图像的全局脊线距离；

在由输入指纹图像的块脊线距离计算指纹图像的全局脊线距离时，本发明认为不同质量的数据块的贡献不同。质量好的数据块在计算全局脊线距离时占有的比重比质量差的数据块在计算全局脊线距离时占有的比重高。因此，本发明采用方向场一致性作为权值来计算输入指纹图像的全局脊线距离RD。

所述步骤S6进一步包括以下步骤：

步骤S61，计算第i块图像块的方向场一致性coh_i：

${\mathrm{coh}}_i=\frac{\sqrt{{(G_{\mathrm{xx}}^i-G_{\mathrm{yy}}^i)}^2+4{\left(G_{\mathrm{xy}}^i\right)}^2}}{G_{\mathrm{xx}}^i+G_{\mathrm{yy}}^i},$

其中，

$G_{\mathrm{xx}}^i={\mathrm{\Σ}}_x^W{\mathrm{\Σ}}_y^W{\left(G_x^i(x,y)\right)}^2,$

$G_{\mathrm{xy}}^i={\mathrm{\Σ}}_x^W{\mathrm{\Σ}}_y^W{G}_x^i(x,y)G_y^i(x,y),$

$G_{\mathrm{yy}}^i={\mathrm{\Σ}}_x^W{\mathrm{\Σ}}_y^W{\left(G_y^i(x,y)\right)}^2;$

这里的

和

分别表示第i块图像块的像素点(x，y)的x方向和y方向的梯度，使用Soble算子获得。图2(b)给出了图2(a)所示的指纹图像的方向场一致性图像。

步骤S62，根据图像块的脊线距离和图像块的方向场一致性计算输入指纹图像的全局脊线距离RD：

$\mathrm{RD}=\frac{{\mathrm{\Σ}}_{i=1}^N{\mathrm{rd}}_i{\mathrm{coh}}_i}{{\mathrm{\Σ}}_{i=1}^N{\mathrm{coh}}_i},$

其中，rd_i表示第i块图像块的脊线距离，coh_i表示第i块图像块的方向场一致性。

步骤S7，对待匹配的两幅指纹图像，根据他们的全局脊线距离进行指纹图像缩放。

记待匹配的两幅指纹图像分别为E和T。其中E表示第一幅待匹配指纹图像，记为输入指纹图像；T表示第二幅待匹配指纹图像，记为模板指纹图像。

所述步骤S7进一步包括以下步骤：

步骤S71，计算待匹配的两幅指纹图像E和T的缩放比率RA：

$\mathrm{RA}=\frac{{\mathrm{RD}}_E}{{\mathrm{RD}}_T},$

其中，RD_E表示输入指纹图像E的全局脊线距离，RD_T表示模板指纹图像的全局脊线距离。

步骤S72，根据RA的值，对待匹配的两幅指纹图像E和T进行相应的图像缩放：

(1)如果缩放比率RA大于1，采用最近邻插值的方法把模板指纹图像T扩大RA倍，输入指纹图像E不变；

(2)如果缩放比率RA等于1，对两幅指纹图像E和T不做任何缩放处理；

(3)如果缩放比率RA小于1，采用最近邻插值的方法把输入指纹图像E扩大1/RA倍，模板指纹图像T不变。

本发明方法简单，对不同采集仪采集的图像具有普适性，其结果直观，能够实现多采集仪交叉匹配中的指纹图像缩放，提高了多采集仪交叉匹配算法的性能。

下面描述将本发明方法应用到指纹图像处理系统中的具体情况。指纹图像处理系统是基于Window XP，采用面向对象的设计方法和软件工程规范，用C++语言实现的、面向指纹识别领域的图像处理与分析系统。

数据库：

将算法在FIGERPASS cross-matching的指纹库中进行测试。试验中，采用了3中市场上有代表性的采集仪：URU4000B光学按压采集仪、UPEKTCRU2C电容按压采集仪以及AES2501刮擦采集仪。表1给出了这三个采集仪的特性。图3是用上面提到的3中采集仪从同一个手指采集的三幅图像。图3中黑色线条表示相同的两对细节点对。可以看出由于分辨率的不同，三个图像中，相匹配的细节点对的特征，这里指长度，明显不相同。三个数据库的指纹图像命名规则为a_b，a指的是手指编号，b指的每个手指采集的指纹图像。每个采集仪采集的数据库包含720*12幅图像(720个手指，每个手指12幅图像)。

表1FIGERPASS cross-matching数据库中3种采集仪的特性

匹配策略：

匹配是在每两个数据库之间进行，和基于分辨率的方法进行算法的对比。基于分辨率的方法，对于匹配的两幅图像，直接使用分辨率的比值作为图像缩放参数；基于全局脊线距离的方法，对于匹配的两幅图像，首先计算每个图像的全局脊线距离，然后使用全局脊线距离作为图像缩放参数。匹配算法采用商业匹配器VeriFinger6.1SDK。交叉匹配中两个数据库相互交叉匹配策略如下：对于真匹配，一个数据库中的每个手指的图像和另外一个数据库的相同手指的每个图像进行1∶1匹配，所以一共有720*12*12，共103，680次匹配；对于假匹配，一个数据库中的每个手指的第一幅图像和另外一个数据库的不相同得每个手指的第一幅图像匹配，所以一共有

实验的结果如表2所示。从实验结果可以看出，本方法的性能要优于基于分辨率的方法。

表2本文和基于分辨率的算法在cross-matching数据库上面的性能测试

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于全局脊线距离的交叉匹配指纹图像缩放方法，其特征在于，该方法包括以下步骤：

步骤S1，对输入的指纹图像进行分块，得到多个图像块，所述步骤S1进一步为：将所述输入指纹图像分成N个大小为W×W，相互不交叠的图像块g_i(x,y)，其中W为分块的块的大小，W＝32，x,y∈{0,…,W-1}，i＝1,…,N，N为图像块的数目；

步骤S2，分别计算步骤S1得到的多个图像块的能量谱，所述步骤S2进一步为利用下面的公式计算第i块图像块g_i(x,y)的能量谱|G_i(u,v)|，i＝1,…,N：

$\left|G_i(u,v)\right|=\left|\frac{1}{W^2}{\mathrm{\Σ}}_{x=1}^W{\mathrm{\Σ}}_{y=1}^W{g}_i(x,y)e^{-\frac{2\mathrm{\πj}}{W}(\mathrm{xu}+\mathrm{yv})}\right|,$

其中，u,v∈{0,…,W-1}，W为分块的块的大小；

步骤S3，采用根滤波对步骤S2得到的多个能量谱分别进行增强；

所述步骤S3进一步为采用根滤波对第i块图像块的能量谱|G_i(u,v)|进行增强，得到增强后的能量谱|G′_i(u,v)|：

|G′_i(u,v)|＝|G_i(u,v)|^t，

其中，i＝1,…,N，t为根滤波的幂系数，t＝1.2；

步骤S4，分别计算增强后的能量谱的径向能量分布；

所述步骤S4进一步为利用下面的公式计算增强后的能量谱的径向能量分布D_i，i＝1,…,N：

$D_i=\frac{{\mathrm{\Σ}}_{r=r_{\min }}^{r_{\max }}{\mathrm{\Σ}}_{(u,v)\∈C_r}\left|G_i^{\′}(u,v)\right|\·r}{{\mathrm{\Σ}}_{r=r_{\min }}^{r_{\max }}{\mathrm{\Σ}}_{(u,v)\∈C_r}\left|G_i^{\′}(u,v)\right|},$

其中，C_r是满足的像素点的集合，r为径向半径；r_min和r_max是带通滤波参数，|G′_i(u,v)|是第i块图像块的增强能量谱；

步骤S5，根据步骤S4得到的径向能量分布得到各个图像块的脊线距离；

所述步骤S5进一步为利用下面的公式计算图像块的脊线距离：

Rd_i＝W/D_i，

其中，W为分块的块的大小，D_i为第i块图像块的径向能量分布；

步骤S6，基于各个图像块的脊线距离，结合方向场一致性，计算输入指纹图像的全局脊线距离；

所述步骤S6进一步包括以下步骤：

步骤S61，计算第i块图像块的方向场一致性coh_i；

所述步骤S61进一步为利用下面的公式计算第i块图像块的方向场一致性coh_i：

${\mathrm{coh}}_i=\frac{\sqrt{{(G_{\mathrm{xx}}^i-G_{\mathrm{yy}}^i)}^2+4{\left(G_{\mathrm{xy}}^i\right)}^2}}{G_{\mathrm{xx}}^i+G_{\mathrm{yy}}^i},$

其中，

$\begin{array}{c}{G}_{\mathrm{xx}}^i={\mathrm{\Σ}}_x^W{\mathrm{\Σ}}_y^W{\left(G_x^i(x,y)\right)}^2,\\ G_{\mathrm{xy}}^i={\mathrm{\Σ}}_x^W{\mathrm{\Σ}}_y^W{G}_x^i(x,y)G_y^i(x,y),\\ G_{\mathrm{yy}}^i={\mathrm{\Σ}}_x^W{\mathrm{\Σ}}_y^W{\left(G_y^i(x,y)\right)}^2;\end{array}$

和

分别表示第i块图像块的像素点(x,y)的横坐标方向和纵坐标方向的梯度，W为分块的块的大小；

步骤S62，根据各个图像块的脊线距离和图像块的方向场一致性计算输入指纹图像的全局脊线距离RD；

所述步骤S62进一步为利用下面的公式计算输入指纹图像的全局脊线距离RD：

$\mathrm{RD}=\frac{{\mathrm{\Σ}}_{i=1}^N{\mathrm{rd}}_i{\mathrm{coh}}_i}{{\mathrm{\Σ}}_{i=1}^N{\mathrm{coh}}_i},$

其中，rd_i为第i块图像块的脊线距离，coh_i为第i块图像块的方向场一致性，i＝1,…,N，N为图像块的数目；

步骤S7，对待匹配的两幅指纹图像，根据他们的全局脊线距离进行指纹图像缩放。

2.根据权利要求1所述的方法，其特征在于，r_min和r_max用于为径向能量分布D_i的径向半径设置上限和下限，以消除当r＞r_max时带来的高频噪声以及r＜r_min时平均灰度的影响。

3.根据权利要求1所述的方法，其特征在于，所述步骤S7进一步包括以下步骤：

步骤S71，计算待匹配的两幅指纹图像E和T的缩放比率RA，其中E表示第一幅待匹配指纹图像，记为输入指纹图像；T表示第二幅待匹配指纹图像，记为模板指纹图像；

步骤S72，根据缩放比率RA，对待匹配的两幅指纹图像E和T进行图像缩放。

4.根据权利要求3所述的方法，其特征在于，所述步骤S71进一步为利用下面的公式计算待匹配的两幅指纹图像E和T的缩放比率RA：

$\mathrm{RA}=\frac{{\mathrm{RD}}_E}{{\mathrm{RD}}_T},$

其中，RD_E表示输入指纹图像E的全局脊线距离，RD_T表示模板指纹图像的全局脊线距离。

5.根据权利要求3所述的方法，其特征在于，所述步骤S72进一步为：

（1）如果缩放比率RA大于1，采用最近邻插值的方法把模板指纹图像T扩大RA倍，输入指纹图像E不变；

（2）如果缩放比率RA等于1，对两幅指纹图像E和T不做任何缩放；

（3）如果缩放比率RA小于1，采用最近邻插值的方法把输入指纹图像E扩大1/RA倍，模板指纹图像T不变。

Images